基于圖像處理的航空發(fā)動機葉片檢測技術研究

于坤林，謝志宇，王志敏

(長沙航空職業(yè)技術學院，湖南 長沙 410124)

葉片是航空發(fā)動機的關鍵部件之一，它對發(fā)動機的可靠性、安全性以及使用壽命具有非常大的影響。近年來，國產航空發(fā)動機在使用過程中出現了大量的問題，而其中絕大部分是葉片的質量問題，主要原因是航空發(fā)動機的葉片工作環(huán)境十分惡劣。葉片檢測是保證葉片質量的關鍵環(huán)節(jié)，目前國內航空工廠對葉片的檢測手段還比較落后，僅限于目視檢測或模板檢測等傳統(tǒng)方法，這些方法具有容易受人為因素影響、檢測效率低下、檢測精度不高的缺點。文章提出一種基于圖像處理的航空發(fā)動機葉片檢測方法，用圖像處理的方法來代替?zhèn)鹘y(tǒng)的檢測手段，從而使葉片的質量檢測不受人為因素的影響，檢測方法更簡單，檢測效率和精度更高，因此采用圖像處理的方法來檢測航空發(fā)動機葉片具有非常重要的應用價值。

1 系統(tǒng)軟件設計

基于圖像處理的航空發(fā)動機葉片檢測方法是先對被檢測的葉片通過CCD圖像傳感器進行圖像采集，然后對畸變后的圖像進行校正、圖像濾波，對濾波后的葉片進行邊緣檢測，最后根據邊緣檢測圖像來判斷航空發(fā)動機葉片的質量的好壞或受損的部位。整個航空發(fā)動機葉片檢測流程如圖1所示。

圖1 航空發(fā)動機葉片檢測流程圖

2 系統(tǒng)算法實現

2.1 圖像校正

圖像校正是指對失真圖像進行復原性處理［1］。圖像校正主要分為幾何校正和灰度校正，灰度校正的方法主要有灰度級校正、灰度變換、直方圖修正3種方法，為了有選擇性地突出所需要的圖像特征，選用直方圖修正。

2.2 圖像平滑

原始圖像包含了許多噪聲，在圖像邊緣檢測時容易將灰度值比較大的噪聲點誤判為偽邊緣，造成邊緣檢測不準確［2］。為了減小噪聲對邊緣檢測的影響和將噪聲點誤判為邊緣的可能性，必須對原始圖像進行圖像平滑以過濾掉噪聲。圖像平滑濾波的常用的方法有均值濾波和中值濾波，由于圖像傳感器容易引進椒鹽噪聲，所以這里是對原始圖像疊加了椒鹽噪聲后進行濾波比較。圖像分別經過均值濾波和中值濾波處理后濾波效果如圖2所示。為了得出比較理想的實驗效果，選用圖像處理常用的標準測試圖片(256x256像素的camera圖片)進行實驗。

圖2 圖像平滑濾波后的實驗對比

圖2(c)是對加有椒鹽噪聲的camera圖像進行均值濾波后的圖像，圖2(d)是對加有椒鹽噪聲的camera圖像進行中值濾波后的圖像。比較圖2(c)和圖2(d)可以看出，圖2(c)還含有椒鹽噪聲且圖像邊緣模糊，而圖2(d)幾乎看不見椒鹽噪聲且圖像也比較清晰。顯然采用中值濾波的效果要比均值濾波效果好，因此在葉片檢測預處理時要選擇中值濾波。

2.3 圖像增強

圖像濾波雖然濾除了大量的噪聲，但是在抑制噪聲的過程中難免會丟失一些邊緣細節(jié)，因此必須對濾波后的圖像進行圖像增強。圖像增強目的是為了可以將鄰域(或局部)強度值有顯著變化的點突顯出來，提高圖像對比度，消除圖像的噪聲和改善圖像的質量等［3］。常用的圖像增強的方法有對比度增強以及直方圖均衡化增強等［4］。圖像分別經過對比度增強以及直方圖均衡化增強后的效果如圖3所示。

圖3 圖像增強后的實驗對比

圖3(b)是對中值濾波后的camera圖像進行對比度增強后圖像，圖3(c)是對中值濾波后的camera圖像進行直方圖均衡化增強后的圖像，圖3(d)是對中值濾波后的camera圖像進行自適應直方圖均衡化增強后的圖像［5］。比較圖3(b)、圖3(c)和圖3(d)可以看出，圖3(d)圖像的目標與背景的灰度差值要大一些，而且它們之間的灰度對比度要強一些，圖像的邊緣細節(jié)更加突出清晰一些，因此在葉片檢測預處理時要選擇自適應直方圖均衡化的方法對圖像進行增強處理。

2.4 圖像邊緣檢測

邊緣反映圖像灰度的不連續(xù)性，是圖像的最基本特征［6］。邊緣檢測是圖像分割，形狀特征提取和匹配，以及文理分析等圖像分析的重要基礎，常用的邊緣檢測方法是采用邊緣檢測算子來進行檢測的，如 roberts算子、sobel算子、prewitt算子、canny算子等，圖4就是采用各種邊緣檢測算子對圖像進行邊緣檢測后的對比圖像。

圖4 圖像邊緣檢測后的實驗對比

圖4(b)是對自適應均衡化增強后的camera圖像進行sobel算子邊緣檢測圖像，圖4(c)是對自適應均衡化增強后的camera圖像進行prewitt算子邊緣檢測圖像，圖4(d)是對增強后的camera圖像進行roberts算子邊緣檢測圖像，圖4(e)是對增強后的 camera圖像進行 canny算子邊緣檢測圖像［7］。比較圖4(b)、圖4(c)、圖4(d)和圖4(e)可以看出，圖4(d)camera圖像丟失了很多邊緣細節(jié)，檢測效果最差，圖4(b)、圖4(c)邊緣檢測效果相當，比圖4(d)效果要好，但是也丟失了一些邊緣細節(jié)，圖4(e)邊緣檢測效果最好，檢測圖像邊緣包含了比較豐富的的圖像邊緣細節(jié)，所以在進行航空發(fā)動機葉片邊緣檢測時要選擇canny算子對圖像進行邊緣檢測。

3 葉片裂紋檢測實驗結果與分析

裂紋的種類很多，實驗選擇的是比較難檢測的內部裂紋和微觀裂紋。選擇某渦輪發(fā)動機葉片切割后得到的實驗試件，對實驗試件進行中值濾波和自適應直方圖均衡化圖像增強等預處理以及自動閾值的canny算子邊緣檢測后的實驗結果如圖5所示。

圖5 航空發(fā)動機葉片邊緣檢測實驗結果

圖5(b)是對裂紋葉片進行中值濾波后的圖像，從圖上可以看出:濾波后的圖像比較清晰，消除了大量的噪聲，但是邊緣細節(jié)變得模糊;圖5(c)是對裂紋葉片進行自適應均衡化增強后的圖像，從圖上可以看出:目標和背景的灰度對比度明顯增強，圖像的邊緣細節(jié)更加突出;圖5(d)是對裂紋葉片進行自動閾值的canny算子邊緣檢測后的圖像，從圖上可以看出，葉片裂紋非常清晰并且可以定位真實的裂紋邊緣位置，可以準確地測量出葉片裂紋的寬度和長度，取得了比較理想的邊緣檢測效果，葉片裂紋被檢測以后，發(fā)動機修理人員可以采用先進的修理工藝對葉片的損傷進行修復，從而可以延長葉片的使用壽命，提高航空發(fā)動機的可靠性和安全性。

4 結束語

文章提出了一種基于圖像處理的航空發(fā)動機葉片檢測方法，該方法與傳統(tǒng)的檢測方法相比較，具有檢測方法更簡單、檢測效率和精度更高、葉片的質量檢測不受人為因素的影響等優(yōu)點，具有非常好的應用價值。

［1］敬忠良.圖像融合─理論與應用［M］.北京:高等教育出版社，2007:3－23.

［2］張德豐.詳解MATLAB數字圖像處理［M］.北京:電子工業(yè)出版社，2009:270－272.

［3］關雪梅.基于空域的圖像增強技術研究［J］.赤峰學院學報(自然科學版)，2012，(8):22 －24.

［4］馬麗亞力.阿布來孜.一種小波變換邊緣圖像融合的邊緣檢測新方法［J］.計算機系統(tǒng)應用，2012，(12):182－185.

［5］毛本清.自適應直方圖均衡化算法在圖像增強處理的應用［J］.河北北方學院學報(自然科學版)，2010，(10):64－67.

［6］鄒柏賢.prewitt圖像邊緣檢測方法的改進［J］.微電子學與計算機，2013，(5):23 －25.

［7］王智文.幾種邊緣檢測算子的性能比較研究［J］.制造業(yè)自動化，2012，(6):14 －16.